利用高頻刺激進行編碼能夠緩解基于穩態視覺誘發電位（SSVEP）的腦-機接口（BCI）產生的用戶視覺疲勞，提升系統的舒適度和安全性，具有廣闊的應用前景。然而，當前先進的SSVEP解碼算法大多在低頻數據集上進行對比驗證，在高頻SSVEP信號上的識別性能仍然未知。針對此問題，本文采集了20名受試者在高頻SSVEP范式下的腦電（EEG）數據，對目前主流的2種典型相關分析算法、3種集成任務相關成分分析算法和1種任務判別成分分析算法展開對比。結果表明，它們均能有效解碼高頻SSVEP信號，且在不同條件下算法的分類性能指標和速度存在差異。本研究為高頻SSVEP-BCI系統的算法選擇提供了依據，在構建舒適友好型BCI系統方面具有潛在的應用價值。